AI 接管「判斷」倒數計時：我們離無人工廠還有多遠？
上一篇的結論是：現在最有效的位置是第 4 層，交出執行、留下標準與判斷。這篇用三組數據推算這個位置還能站多久。結論是判斷比執行晚到，但只晚大約一年。
上一篇的討論停在一個結論：現在與 AI 協作最有效的位置是「第 4 層」——交出執行，留下標準與判斷。既然第 4 層是當前的最優解，下一個問題會是：這個位置還能站多久？
第 5 層：只看紀錄的「黑暗工廠」
在 Feng、McDonald 與 Zhang 的五層架構裡，第 4 層再往上就是最後一層「觀察者」：你連「要做什麼」都交了出去。你只給一個大目標，AI 自己找題目、自己執行、自己驗收，而你只能坐在螢幕前看紀錄，中途無法介入。
工程師 Dan Shapiro 在 2026 年 1 月把軟體開發的這個終極型態稱為「黑暗工廠」——一個把規格丟進去就會吐出軟體的黑盒子，就像完全不需要人類走進去、連燈都不用開的無人工廠。
現實走到哪裡了？三組最新的測量數據揭示了AI迭代的速度表。
一、過關率：
2025 年 10 月發表的 Remote Labor Index 拿 240 個真實遠端接案專案測試 AI，當時表現最好的模型，只有 2.5% 的專案能達到客戶願意買單的水準；一年後的 2026 年 11 月，這個數字跳到了 41.3%。
Remote Labor Index 的評分方式不是跑自動測試，而是由三位專家判斷「一個合理的客戶會不會買單」——它測量的本來就是判斷層級的品質。
官網數據顯示，近三個月的表現大約每 3.3 個月翻一倍；照這個斜率推算，2027 年初就會超過八成，就算改用較保守的算法，也會在 2027 年下半年突破九成。
從 2.5% 到 41.3%，只花了一年。雖然超過一半的專案客戶依然不收，今天還不能把規格丟進去就不管；但照這個速度，那一天其實已經很近了。
二、學會執行然後學會判斷
上一篇提過評估機構 METR 的退件研究：開源專案維護者審查了 296 個「已經通過自動測試」的 AI 程式碼修改，其中大約一半被退件。
同一份研究裡還有一組數字：同一個模型（Claude Sonnet 4.5）用自動測試來量，能獨立完成約 50 分鐘的任務；改用人類維護者的審查標準來量，只剩約 8 分鐘，兩者差了六、七倍。
而近兩年 AI 能獨立完成的任務長度，大約每四個月翻一倍。六、七倍的差距大約是三次翻倍——換句話說，「過得了人類審查」的能力，只落後「過得了自動測試」的能力大約一年。
三、測量標準在往上
METR 在 2026 年 5 月的報告指出，最強的模型已經把現有題庫做到接近滿分，量尺已經測不出 16 小時以上的任務上限。
不過，同一份報告也記下了另一面：在 8 小時以上的長任務裡，至少有 16% 的「成功」經人工複查後並不算數。
把這三件事放在同一條軸線上看，推論非常清晰：
「判斷」不是 AI 永遠學不會的東西，它只是學得比「執行」晚到——從現有的數據看，大約晚了一年。
當然，這是照斜率畫出來的延伸線，不是預言：過關率目前只有三個資料點，41.3% 也僅來自單一頂尖模型（第二名是 21.3%），而且工程上最後那一段往往最難攻克。但就算把時間軸放寬一倍，結論依然不變——第 4 層的優勢是以「年」為單位在縮短，而不是以「十年」為單位。
所以，第 4 層依然是現在該站的位置，只是這個答案的保存期限可能只有一到兩年。
而當這道期限到期——當 AI 進化到連「標準」和「判斷」都做得比人類更好，所有人都被迫退到了第 5 層的「觀察者」時，我們會面臨到什麼樣的問題？
資料來源
- Feng、McDonald、Zhang，〈Levels of Autonomy for AI Agents〉，arXiv 2506.12469，2025 年 6 月：https://arxiv.org/abs/2506.12469
- Dan Shapiro，〈The Five Levels: from Spicy Autocomplete to the Dark Factory〉，2026 年 1 月 23 日：https://www.danshapiro.com/blog/2026/01/the-five-levels-from-spicy-autocomplete-to-the-software-factory/
- Microsoft，〈2025: The Year the Frontier Firm Is Born〉，Work Trend Index，2025 年 4 月 23 日：https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
- Mazeika 等人，〈Remote Labor Index〉，2025 年 10 月：https://arxiv.org/abs/2510.26787
- Remote Labor Index 官網（41.3% 與翻倍速度），2026 年 11 月 12 日讀取：https://www.remotelabor.ai/
- Scale Labs，Remote Labor Index 排行榜（評分方式、各模型分數），2026 年 11 月 12 日讀取：https://labs.scale.com/leaderboard/rli
- METR，〈Many SWE-bench-Passing PRs Would Not Be Merged into Main〉，2026 年 3 月 10 日：https://metr.org/notes/2026-03-10-many-swe-bench-passing-prs-would-not-be-merged-into-main/
- METR，〈Time Horizon 1.1〉（任務長度的翻倍速度），2026 年 1 月 29 日：https://metr.org/blog/2026-01-29-time-horizon-1-1/
- METR，〈Frontier Risk Report (February to March 2026)〉（題庫飽和、16% 成功不算數），2026 年 5 月 19 日：https://metr.org/blog/2026-05-19-frontier-risk-report/